2026年大数据工程师职业资格考试题库（附答案和详细解析）（0109）.docxVIP

大数据工程师职业资格考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下关于HDFS（Hadoop分布式文件系统）的描述中，正确的是（）

A.HDFS默认块大小为32MB

B.NameNode负责存储数据块副本

C.HDFS适合存储大量小文件

D.数据块副本数默认配置为3

答案：D

解析：HDFS默认块大小为128MB（A错误）；NameNode管理元数据，DataNode存储数据块副本（B错误）；HDFS设计目标是处理大文件，小文件会占用过多NameNode内存（C错误）；数据块副本数默认配置为3（D正确）。

Spark的运行模式中，独立于其他资源管理系统的是（）

A.Standalone模式

B.YARN模式

C.Mesos模式

D.Kubernetes模式

答案：A

解析：Standalone是Spark自带的资源管理模式，不依赖外部系统（A正确）；YARN、Mesos、Kubernetes均需依赖外部资源管理器（B/C/D错误）。

Kafka中用于标识消息在分区中位置的术语是（）

A.GroupID

B.Offset

C.Partition

D.Topic

答案：B

解析：GroupID是消费者组标识（A错误）；Offset是消息在分区中的偏移量（B正确）；Partition是主题的分片（C错误）；Topic是消息的逻辑分类（D错误）。

数据仓库分层中，存储原始未加工数据的层是（）

A.ODS层（操作数据层）

B.DWD层（明细数据层）

C.DWS层（汇总数据层）

D.ADS层（应用数据层）

答案：A

解析：ODS层直接存储从业务系统抽取的原始数据（A正确）；DWD层是清洗后的明细数据（B错误）；DWS层是轻度汇总数据（C错误）；ADS层是面向应用的结果数据（D错误）。

Flink流处理中，基于事件实际发生时间的时间类型是（）

A.ProcessingTime（处理时间）

B.IngestionTime（摄入时间）

C.EventTime（事件时间）

D.WatermarkTime（水印时间）

答案：C

解析：EventTime是事件本身的时间戳（C正确）；ProcessingTime是系统处理事件的时间（A错误）；IngestionTime是事件进入Flink的时间（B错误）；Watermark是用于处理乱序事件的机制（D错误）。

MapReduce作业中，Shuffle阶段的核心操作是（）

A.输入数据分片

B.数据排序与分区

C.输出结果合并

D.任务调度分配

答案：B

解析：Shuffle阶段负责将Mapper输出的数据按Key分区并排序，传递给Reducer（B正确）；输入分片属于InputFormat（A错误）；结果合并属于Reducer输出（C错误）；任务调度属于YARN（D错误）。

以下哪项是解决分布式计算中数据倾斜的常用方法？（）

A.增加内存分配

B.降低任务并行度

C.关闭推测执行

D.对Key进行加盐处理

答案：D

解析：数据倾斜是由于部分Key数据量过大导致，加盐处理（如为Key添加随机前缀）可分散数据（D正确）；增加内存无法解决数据分布不均（A错误）；降低并行度会加剧倾斜（B错误）；推测执行与倾斜无关（C错误）。

HBase数据模型中，用于唯一标识一行数据的是（）

A.RowKey

B.ColumnFamily

C.Timestamp

D.Cell

答案：A

解析：RowKey是行的唯一标识（A正确）；ColumnFamily是列的集合（B错误）；Timestamp是版本标识（C错误）；Cell是行键、列族、列名、时间戳的组合（D错误）。

机器学习特征工程中，将连续型特征转换为离散型特征的操作是（）

A.特征归一化

B.特征编码

C.特征分箱

D.特征选择

答案：C

解析：特征分箱（如等距分箱）将连续值划分为区间（C正确）；归一化是缩放特征范围（A错误）；编码是处理类别变量（B错误）；选择是筛选重要特征（D错误）。

以下属于数据脱敏技术的是（）

A.数据加密

B.姓名替换为“某先生”

C.数据压缩

D.数据去重

答案：B

解析：数据脱敏是对敏感信息进行变形（如姓名替换）（B正确）；加密是保护数据隐私但未改变内容（A错误）；压缩是减小存储（C错误）；去重是删除重复数据（D错误）。

二、多项选择题（共10题，每题2分，共20分）

以下属于Hadoop生态核心组件的有（）

A.HDFS（分布式文件系统）

B.YARN（资源管理器）

C.Hive（数据仓库工具）

D.Kafka（消息队列）

答案：ABC

解析：Hadoop生态核心包括HDFS（存储）、YARN